信息处理设备、信息处理方法和程序的制作方法
【专利摘要】本发明提供了一种信息处理设备、信息处理方法和程序，该设备包括：总计单元，收集表示客户机类型的信息以及表示对内容的评价的嗜好信息，并且根据客户机类型对内容的评价进行总计；矢量生成单元，至少生成表现用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现用户喜欢的内容的特征的基于客户机类型的矢量；以及推荐单元，通过使用矢量生成单元生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向第一次用户推荐内容。
【专利说明】信息处理设备、信息处理方法和程序
【技术领域】
[0001]本公开内容涉及一种信息处理设备、信息处理方法和程序，并且更具体地涉及能够在推荐内容时适合使用的信息处理设备、信息处理方法和程序。
【背景技术】
[0002]在过去，已提出了如下技术:其中，向系统提供对歌曲的用户评价，针对每个用户生成嗜好矢量，并且基于每首歌曲的特征矢量与嗜好矢量之间的相似度来提供与用户的嗜好一致的歌曲列表(例如，参见WO 2011/007631)。通过使用这样的技术，随着每个用户的嗜好信息的累积量增加，变得可以扩展每个用户的嗜好矢量，因此，可以推荐更好地与用户的嗜好匹配的歌曲。
【发明内容】
[0003]然而，采用根据WO 2011/007631的技术，不可以针对未累积其嗜好信息的用户(诸如，正第一次使用服务的第一次用户)生成嗜好矢量。因此，对于这样的用户，使用根据例如多首流行歌曲的特征矢量而生成的矢量，来生成并提供歌曲列表。结果，提供对于许多人平均可接受的歌曲列表，直到累积到这样的用户的嗜好信息为止。
[0004]同时，利用这样的服务，根据经验已知，在仍要累积用户的嗜好信息的情况下新用户将不能根据一次或两次使用体验到服务的优点，并且在许多情况下将仅停止使用该服务。
[0005]因此，在开始使用服务时所推荐的歌曲的选择很重要，以使得用户能够体验服务的优点并鼓励用户继续使用该服务。
[0006]因此，本公开内容旨在改善用户对推荐诸如歌曲的内容的服务的满意度，并且特别地改善使用该服务的新用户的满意度。
[0007]根据本公开内容的实施例，提供了一种信息处理设备，包括:总计单元，收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示用户提供的对内容的评价的嗜好信息，并且根据客户机类型对用户提供的对内容的评价进行总计；矢量生成单元，至少生成表现用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现用户喜欢的内容的特征的基于客户机类型的矢量；以及推荐单元，通过使用矢量生成单元生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向第一次用户推荐内容。
[0008]总计单元还可以收集表示用户所属的区域的信息，并且可以基于区域对用户给出的对内容的评价进行总计。矢量生成单元还可以生成基于区域表现用户喜欢的内容的特征的基于区域的矢量。推荐单元可以通过进一步使用与第一次用户所属的区域相对应的基于区域的矢量来向第一次用户推荐内容。
[0009]总计单元还可以收集表示用户的年龄的信息，并且基于年龄或基于年龄段来对用户对内容的评价进行总计。矢量生成单元还可以生成基于年龄或基于年龄段表现用户喜欢的内容的特征的基于年龄的矢量。推荐单元可以通过进一步使用与第一次用户的年龄相对应的基于年龄的矢量来向第一次用户推荐内容。
[0010]推荐单元可以通过交替地使用矢量生成单元生成的多种类型的矢量来推荐内容。
[0011]矢量生成单元能够操作成在用户提供对内容的正面评价时，生成表现内容的特征或内容的艺术家的特征的优先矢量。推荐单元可以通过优先使用优先矢量来向用户推荐内容。
[0012]推荐单元可以自从用户提供了对内容的正面评价以后随着时间过去而减小优先矢量被使用的比率。
[0013]随着用户累积的嗜好信息量越大，推荐单元可以增大使用用户的用户嗜好矢量的比率。
[0014]推荐单元可以通过优先使用已高频地或以高比率被使用的用于推荐用户已提供正面评价的内容的矢量，来向用户推荐内容。
[0015]推荐单元可以借助于使用通过对矢量生成单元生成的多种类型的矢量进行组合而产生的矢量来推荐内容。
[0016]随着用户累积的嗜好信息量越大，推荐单元可以增大用户的用户嗜好矢量被组合的比率。
[0017]信息处理设备还可以包括:状况分析单元，基于从客户机发送的位置信息来分析使用客户机的用户的状况。总计单元可以对用户在该状况下对内容的评价进行总计。矢量生成单元还可以生成基于状况表现用户喜欢的内容的特征的状况矢量。
[0018]根据本公开内容的实施例，提供了 一种提供推荐内容的服务的信息处理方法，其由信息处理设备来执行，该方法包括:收集表示使用服务的用户所使用的客户机的客户机类型的信息以及表示用户提供的对内容的评价的嗜好信息，并且根据客户机类型对用户提供的对内容的评价进行总计；至少生成表现用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现用户喜欢的内容的特征的基于客户机类型的矢量；以及通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向第一次用户推荐内容。
[0019]根据本公开内容的实施例，提供了一种程序，用于使得计算机执行:收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示用户提供的对内容的评价的嗜好信息，并且根据客户机类型对用户的对内容的评价进行总计；至少生成表现用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现用户喜欢的内容的特征的基于客户机类型的矢量；以及通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向第一次用户推荐内容。
[0020]根据本公开内容的一个方面，收集表示使用推荐内容的服务的用户使用的客户机的客户机类型的信息以及表示用户提供的对内容的评价的嗜好信息，针对每种客户机类型对用户对内容的评价进行总计，至少生成表现各个用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现用户喜欢的内容的特征的基于客户机类型的矢量，使用所生成的矢量中的至少一个和表示内容的特征的特征矢量来推荐内容，并且对于第一次正使用服务的第一次用户，使用与第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量来推荐内容。
[0021]根据上述本公开的实施例，可以改善用户对推荐内容的服务的满意度。特别地，根据上述本公开内容的实施例，可以改善使用服务的新用户的满意度。
【专利附图】
【附图说明】
[0022]图1是示出根据本公开内容的实施例的内容推荐系统的总体配置的图；
[0023]图2是示出服务器的硬件配置的图；
[0024]图3是示出用户设备的硬件配置的图；
[0025]图4是示出用户设备的外观的透视图；
[0026]图5是示出根据变型例的用户设备的外观的透视图；
[0027]图6是用户设备的功能框图；
[0028]图7是歌曲分发服务器的功能框图；
[0029]图8是示意性示出用户评价数据库的示例数据结构的图；
[0030]图9是示意性示出基于用户属性的歌曲评价数据库的示例数据结构的图；
[0031]图10是示意性示出基于状况的歌曲评价数据库的示例数据结构的图；
[0032]图11是示意性示出用户属性数据库的示例数据结构的图；
[0033]图12是示意性示出歌曲信息数据库的示例数据结构的图；
[0034]图13是示意性示出歌曲特征数据库的示例数据结构的图；
[0035]图14是示意性示出歌曲属性数据库的示例数据结构的图；
[0036]图15是推荐单元的功能框图；
[0037]图16是示出内部排名存储单元的存储内容的图；
[0038]图17是用于说明用户评价总计处理的流程图；
[0039]图18是用于说明默认矢量生成处理的流程图；
[0040]图19是用于说明状况矢量生成处理的流程图；
[0041]图20是用于说明歌曲推荐处理的流程图；
[0042]图21是用于说明标准矢量设置处理的流程图；
[0043]图22是用于说明推荐歌曲列表生成处理的流程图；
[0044]图23是示出第一列表的示例的图；以及
[0045]图24是用于说明用户评价反映处理的流程图。
【具体实施方式】
[0046]下文中，将参照附图详细描述本公开内容的优选实施例。应注意，在该说明书和附图中，具有基本上相同的功能和结构的结构元件以相同的附图标记表示，并且省略对这些结构元件的重复说明。
[0047]将按照以下所示的顺序描述本公开内容的优选实施例。
[0048]1.实施例
[0049]2.变型例[0050]1.第一实施例
[0051]内容推荐系统10的示例配置
[0052]图1是示出根据本公开内容的实施例的内容推荐系统10的总体配置的图。
[0053]内容推荐系统10包括歌曲分发服务器14、歌曲排名分发服务器15、作为客户机的多个用户设备12-1至12-n。所有这样的设备连接到诸如互联网的通信网络18，并且能够彼此进行数据通信。
[0054]应注意，在以下描述中，当不需要在用户设备12-1至12-n之间进行区分时，这样的设备被统称为“用户设备12”。
[0055]作为示例，用户设备12由计算机系统(诸如，在住宅中安装的个人计算机、计算机游戏系统或家用服务器)或者便携式计算机系统(诸如，移动游戏控制台、移动电话、智能电话、或移动音乐播放器)构成。每个用户设备12访问歌曲分发服务器14并接收向特定用户设备12的用户推荐的歌曲的列表(下文中，称为“推荐歌曲列表”)。每个用户设备12还从歌曲分发服务器14请求推荐歌曲列表中所包括的歌曲的数据，并且接收并再现这样的数据。
[0056]同时，歌曲分发服务器14由诸如已知的服务器计算机的计算机系统等构成。歌曲分发服务器14将向特定用户设备12的用户推荐的歌曲的列表(“推荐歌曲列表”)发送到该用户设备12。歌曲分发服务器14还根据来自各个用户设备12的请求来发送各首歌曲的数据。
[0057]作为一个示例，歌曲排名分发服务器15也由诸如已知的服务器计算机的计算机系统等构成。歌曲排名分发服务器15由与歌曲分发服务器14不同的管理员管理，并且响应于来自歌曲分发服务器14的请求而发送歌曲排名。
[0058]作为一个示例，针对各种音乐属类(诸如，流行、爵士和古典)，基于国别定期(例如，每周或每月)发布这样的歌曲排名，并且将这样的歌曲排名与发布日期和音乐属类相关联地存储在歌曲分发服务器14中。应注意，可根据各种观点生成这样的排名，并且作为一个示例，这样的排名可基于销售数量、下载数量和/或歌曲相关信息(例如，歌曲描述)的阅览数量。
[0059]歌曲分发服务器14和歌曲排名分发服务器15的示例配置
[0060]图2是示出歌曲分发服务器14和歌曲排名分发服务器15的示例硬件配置的图。
[0061]歌曲分发服务器14和/或歌曲排名分发服务器15包括处理器21、存储器22、硬盘驱动器23、介质驱动器24和通信接口(I/F)25，其中这些组成元件连接到总线26以能够彼此交换数据。
[0062]处理器21根据存储在存储器22、硬盘驱动器23或计算机可读介质27中的程序来控制服务器的各个组成元件。
[0063]存储器22例如包括ROM和RAM，其中各种系统程序被存储在主要用作处理器21的工作空间的ROM和RAM中。
[0064]硬盘驱动器23存储用于分发歌曲和/或分发歌曲排名的程序，并且构造用于分发歌曲和/或分发歌曲排名的各种数据库。
[0065]介质驱动器24是读取存储在计算机可读介质27 (其为⑶_R0M、DVD_RAM等)上的数据以及/或者将数据写入计算机可读介质27上的设备。
[0066]通信接口 25控制经由通信网络18与诸如用户设备12的另一计算机系统的数据通信。
[0067]用户设备12的示例配置
[0068]图3是示出用户设备12的示例硬件配置的图。
[0069]用户设备12包括处理器31、存储器32、显示控制单元33、声音控制单元34、硬盘驱动器35、操作装置36、GPS (全球定位系统)接收单元37、介质驱动器38和通信接口(I/F) 39，其中这样的组成元件连接到总线40以能够彼此交换数据。
[0070]处理器31根据存储在存储器32、硬盘驱动器35或计算机可读介质41中的程序控制用户设备12的各个组成元件。
[0071]存储器32包括例如ROM和RAM，其中各种系统程序被存储在主要用作处理器31的工作空间的ROM和RAM中。
[0072]显示控制单元33包括视频存储器，将由处理器31在视频存储器中描绘的图像转换为视频信号，并且将视频信号输出到显示器，以使图像显示。
[0073]声音控制单元34包括声音缓冲器并将由处理器31存储在声音缓冲器中的声音数据转换为模拟音频信号，并且将模拟音频信号输出到扬声器，以使声音输出。
[0074]硬盘驱动器35存储诸如歌曲再现程序的各种程序，并且构造各种数据库。
[0075]操作装置36由用户例如用来向用户设备12给出各种指令并输入数据，并且作为示例，由键盘、指向装置(诸如鼠标、游戏控制器)构成。
[0076]GPS接收单元37从定位卫星接收电磁波并测量用户设备12的当前位置。GPS接收单元37将用户设备12的当前位置的测量结果提供到处理器31和/或经由通信接口 39将该测量结果发送到诸如歌曲分发服务器14的另一计算机系统。
[0077]介质驱动器38是读取存储在计算机可读介质41 (诸如⑶-ROM或DVD-RAM)上的数据和/或将数据写入介质上的设备。
[0078]通信接口 39控制经由通信网络18与诸如歌曲分发服务器14的另一计算机系统的数据通信。
[0079]应注意，图中所示的用户设备12的硬件配置仅仅是一个示例，其中可以省略配置的一些部分或者添加其他组成元件。作为一个示例，如果用户设备12由诸如台式个人计算机的固定设备构成，则可以省略GPS接收单元37。
[0080]用户设备12的具体示例
[0081]用户设备12能够以各种形成来实现，并且图4所示的一个示例配置是以家用电源为动力运转的家用游戏控制台。
[0082]在这种情况下，图3所示的硬件元件容纳于壳体44内，并且与壳体44分离的电视机42的显不器42a和扬声器43被用作显不器和扬声器。操作装置36也与壳体44分离地设置。
[0083]作为替选，用户设备12可以如图5所示那样被配置为以电池为动力运转的便携式一体化游戏控制台。
[0084]在这种情况下，图3所示的硬件元件容纳于壳体45内，并且设置在壳体45的表面上的平板显示器46用作显示器。操作装置36也被设置在壳体45的表面上，并且作为一个示例，被布置在平板显示器46的左侧和右侧。作为扬声器，可使用并入到壳体45中的未示出的扬声器，如同可以是与壳体45分离的立体声耳机47 —样。[0085]用户设备12的功能配置示例
[0086]这里，将描述用户设备12的功能配置。图6是用户设备12的功能框图。
[0087]用户设备12在功能上由操作单元61、歌曲再现单元62和位置信息获取单元63构成。作为一个示例，这样的组成元件通过用户设备12执行程序来实现。
[0088]操作单元61被配置成以操作装置36为中心，并且当已针对操作装置36执行指定请求操作时，对推荐歌曲列表的请求(下文中为“歌曲列表请求”)经由通信接口 39被发送到歌曲分发服务器14。该歌曲列表请求包括作为用户的标识信息的用户ID、歌曲属性(下文中为“指定属性(indicated attribute) ”)、作为用户设备12的类型的标识信息的客户机类型ID、以及用户设备12的位置信息。
[0089]应注意，可以任意设置用于对用户设备12的类型(下文中称为“客户机类型”)进行分类的准则。作为一个示例，可以根据用户设备12 (诸如“个人计算机”或“移动游戏控制台”)的类型和形式进行分类，或者更精确地分类成特定机型。
[0090]如果用户已使用操作装置36输入了对歌曲的评价，则操作单元61经由通信接口39发送用户评价信息，该用户评价信息包括作为正评价的歌曲的标识信息的歌曲ID、作出评价的用户的用户ID、用户设备12的客户机类型ID和位置信息、以及所输入的评价。作为示例，用户可以提供对每首歌曲的正面评价(例如，“喜欢”)、负面评价(例如，“不喜欢”)或者评价值(例如，五个级别的评价或得分)。
[0091]操作单元61还基于在歌曲再现期间对操作装置36执行的用户操作(作为示例，跳过或停止)以及歌曲的再现状态(作为一个示例，歌曲是否再现到最后)，来确定对歌曲的用户评价。然后，操作单元61经由通信接口 39发送包括所确定的评价的用户评价信息。
[0092]另外，如果已对操作装置36执行用户操作，则操作单元61可按需要向歌曲再现单元62通知这样的操作。
[0093]歌曲再现单元62经由通信网络18和通信接口 39接收从歌曲分发服务器14发送的推荐歌曲列表。另外，歌曲再现单元62经由通信接口 39按列表的顺序将推荐歌曲列表中所包括的每首歌曲的歌曲ID发送到歌曲分发服务器14。歌曲再现单元62经由通信网络18和通信接口 39接收作为对歌曲ID的发送的答复而从歌曲分发服务器14发送的歌曲数据，并且使用声音控制单元34再现歌曲数据。此时，如图4和图5所示，歌曲再现单元62在显示器上显示包括在歌曲数据中的歌曲的标题。歌曲再现单元62还根据操作装置36的用户操作来控制歌曲数据的再现。
[0094]位置信息获取单元63被构造成以GPS接收单元37为中心，测量用户设备12的当前位置，并且经由通信接口 39将对当前位置的测量结果发送到歌曲分发服务器14。
[0095]歌曲分发服务器14的功能配置示例
[0096]接下来，将描述歌曲分发服务器14的功能配置。图7是歌曲分发服务器14的功能框图。
[0097]歌曲分发服务器14在功能上由发送/接收单元101、信息处理单元102和存储单元103构成。
[0098]信息处理单元102执行与歌曲的推荐和分发等相关的处理，并且包括状况分析单元121、总计单元122、矢量生成单元123、推荐单元124、分发单元125和显示控制单元126。
[0099]矢量生成单元123执行对在推荐歌曲时要使用的各种类型的矢量的生成，并且包括默认矢量生成单元131、用户嗜好矢量生成单元132、状况矢量生成单元133和优先矢量生成单元134。
[0100]存储单元103包括总计信息存储单元151、用户信息存储单元152、歌曲信息存储单元153和矢量存储单元154。
[0101]这样的功能元件通过在歌曲分发服务器14中执行的程序来实现。
[0102]此外，发送/接收单元101和信息处理单元102的各个单元能够访问彼此。另外，信息处理单元102的各个单元能够访问存储单元103的各个单元。
[0103]发送/接收单元101被构造成以通信接口 25为中心，并且执行经由通信网络18与诸如用户设备12的另一计算机系统的数据通信。发送/接收单元101将接收到的数据提供到歌曲分发服务器14的各个单元，并且将从歌曲分发服务器14的各个单元获取的数据发送到另一计算机系统。
[0104]作为一个示例，发送/接收单元101接收从每个用户设备12发送的用户评价信息。然后，发送/接收单元101向状况分析单元121通知用户评价信息中所包括的用户设备12的位置信息，并请求分析状况。发送/接收单元101还将用户评价信息提供到总计单元122并请求更新总计结果。另外，发送/接收单元101向优先矢量生成单元134通知用户评价信息中所包括的歌曲ID并请求生成优先矢量。发送/接收单元101还从歌曲排名分发服务器15接收歌曲排名，并且将这样的歌曲排名提供到推荐单元124。
[0105]另外，发送/接收单元101接收从每个用户设备12发送的歌曲列表请求。然后，发送/接收单元101向用户嗜好矢量生成单元132通知歌曲列表请求中所包括的用户ID，并请求生成用户嗜好矢量。发送/接收单元101也向状况分析单元121通知歌曲列表请求中包括的用户设备12的位置信息，并请求分析该状况。另外，发送/接收单元101向推荐单元124通知歌曲列表请求中所包括的用户ID、客户机类型ID和指定属性，并请求生成推荐歌曲列表。
[0106]发送/接收单元101还向总计单元122通知歌曲列表请求中所包括的歌曲ID、要向其发送推荐歌曲列表的用户ID、以及要向其发送推荐歌曲列表的用户设备12的客户机类型ID。
[0107]发送/接收单元101接收从用户设备12发送的歌曲ID，并将这样的歌曲ID提供到分发单元125。然后，发送/接收单元101从分发单元125获取与从用户设备12接收到的歌曲ID相对应的歌曲数据，并将歌曲数据发送到发出了该请求的用户设备12。
[0108]状况分析单元121基于用户设备12的位置信息来分析使用用户设备12的用户的状况。状况分析单元121向总计单元122和推荐单元124通知状况的分析结果。
[0109]应注意，在基于用户设备12的位置信息可以进行分类的范围内，可任意设置用于对状况进行分类的准则。作为示例，可以基于精确位置信息(Pinpoint positioninformation)(诸如，“在海边”、“在山上”、“在度假圣地”和“在城市”)分类成各状况，并且基于位置信息的时序的改变(诸如，当搭乘火车移动或行驶时)分类成各状况。可根据诸如“在海滩”或“在山上”的粗分类来对基于精确位置信息的状况进行分类，或者可使用特定地方名称等对其进行精确分类。此外，基于位置信息的时序的改变的状况可以用于或不用于指定地点。当使用这样的改变来指定地点时，可以分类成“在海岸边行驶”、“在城市搭乘火车移动”等。[0110]总计单元122对从用户设备12收集的用户评价信息以及与发送到这样的用户设备12的推荐歌曲列表相关的信息进行总计，并将总计结果存储在总计信息存储单元151中和/或将结果提供到矢量生成单元123。
[0111]默认矢量生成单元131生成用于推荐与用户属性等一致的歌曲的默认矢量。更具体地，默认矢量生成单元131使用总计单元122产生的总计结果和歌曲信息存储单元153中的歌曲特征数据库(参见图13)，来生成针对用户设备12的每种客户机类型表现用户喜欢的歌曲的特征的基于客户机类型的矢量、针对用户所属的每个区域表现用户喜欢的歌曲的特征的基于区域的矢量、以及针对用户的每个年龄或年龄段表现用户喜欢的歌曲的特征的基于年龄的矢量。默认矢量生成单元131将所生成的基于客户机类型的矢量、基于区域的矢量以及基于年龄的矢量存储在矢量存储单元154中。
[0112]如稍后所述，用户嗜好矢量生成单元132使用总计信息存储单元151中的用户评价数据库(参见图8)和歌曲信息存储单元153中的歌曲特征数据库(参见图13)，来针对每个用户生成表现由该用户喜欢的歌曲的特征的用户嗜好矢量。用户嗜好矢量生成单元132将所生成的用户嗜好矢量存储在矢量存储单元154中。
[0113]状况矢量生成单元133生成在推荐与用户的状况一致的歌曲时要使用的状况矢量。更具体地，状况矢量生成单元133使用总计信息存储单元151中的基于状况的歌曲评价数据库(参见图10)和歌曲信息存储单元153中的歌曲特征数据库(参见图13)，来生成状况矢量。状况矢量生成单元133将所生成的状况矢量存储在矢量存储单元154中。
[0114]优先矢量生成单元134可操作为:在用户已提供对歌曲的正面评价时，生成表现这样的歌曲的特征或这样的歌曲的艺术家的特征的优先矢量。优先矢量生成单元134将所生成的优先矢量提供到推荐单元124。
[0115]如稍后所述，推荐单元124使用总计信息存储单元151中的基于用户属性的歌曲评价数据库、用户信息存储单元152中的用户属性数据库、歌曲信息存储单元153中的歌曲属性数据库和歌曲特征数据库、存储在矢量存储单元154中的各种矢量、从歌曲排名分发服务器15接收到的歌曲排名以及用户指定的指定属性，来生成推荐歌曲列表。推荐单元124将所生成的推荐歌曲列表提供到发送/接收单元101。
[0116]分发单元125经由通信网络18和发送/接收单元101接收从用户设备12发送的歌曲ID。分发单兀125还从歌曲信息存储单兀153获取与所接收到的歌曲ID相关联的歌曲数据，并经由发送/接收单元101将歌曲数据发送到发出了请求的用户设备12。
[0117]作为一个示例，显示控制单元126控制使得用户设备12能够使用歌曲分发服务器14提供的服务的屏幕的显示。更具体地，显示控制单元126根据经由通信网络18和发送/接收单元101从用户设备12接收到的各种请求，生成包括显示节目、数据等的显示控制数据，并且经由发送/接收单元101将显示控制数据发送到用户设备12。基于所接收到的显示控制数据，用户设备12显示指定屏幕和/或更新屏幕的显示。
[0118]应注意，尽管在用户设备12上所显示的各种屏幕被分成基于从歌曲分发服务器14的显示控制单元126提供的显示控制数据而显示的屏幕、以及由用户设备12自身显示的屏幕，但是可以任意设置到这样的类型的分类。
[0119]总计信息存储单元151是使用硬盘驱动器23或未示出的单独数据库来配置的，并且存储图8示意性示出其数据结构的用户评价数据库。用户评价数据库是总计各个用户对歌曲的评价的数据库，并且示出各个用户的关于歌曲的嗜好信息。在用户评价数据库中，使用户ID与用户已提供正面评价的歌曲(“喜欢的歌曲”)以及用户已提供负面评价的歌曲(“不喜欢的歌曲”)的歌曲ID相关联。
[0120]另外，总计信息存储单元151存储具有例如图9示意性示出的数据结构的基于用户属性的歌曲评价数据库。歌曲评价数据库是针对每个用户属性来总计对各首歌曲的评价的数据库。在基于用户属性的歌曲评价数据库中，歌曲ID与针对每个用户属性表示对歌曲的评价的总计值相关联。
[0121]作为一个示例，根据年龄、居住地点(S卩，用户所属的区域)、语言和用户使用的用户设备12的客户机类型的组合来对用户属性进行分类。应注意，如果单个用户在多个用户设备12上使用服务，则通过将这样的用户对歌曲的评价分类成客户机类型来对评价进行总计。此外，作为表示每个用户的年龄的信息，可以使用间接表示用户的年龄的信息，诸如用户的出生日期。
[0122]此外，总计值包括例如如下三个值，包括歌曲包括在发送到用户设备12的歌曲列表中的次数(下文中，称为“分发频率X”)、针对这样的歌曲已从用户设备12发送正面评价的次数(下文中，称为“正面评价频率y”)、以及针对这样的歌曲已从用户设备12发送负面评价的次数(下文中，称为“负面评价频率z”)。
[0123]另外，作为一个示例，总计信息存储单元151存储图10中示意性示出其数据结构的基于状况的歌曲评价数据库。基于状况的歌曲评价数据库是针对每种状况对歌曲的评价进行总计的数据库。在基于状况的歌曲评价数据库中，歌曲ID与表示在每种状况下对这样的歌曲的用户评价的总计值相关联。
[0124]应注意，以与图9中的基于用户属性的歌曲评价数据库相同的方式，总计值例如包括如下三个值，包括分发频率X、正面评价频率I和负面评价频率Z。
[0125]用户信息存储单元152是使用硬盘驱动器23或未示出的单独数据库来配置，并且存储与内容推荐系统10的各个用户相关的信息。
[0126]作为一个示例，用户信息存储单元152存储具有图11中示意性示出的数据结构的用户属性数据库。用户属性数据库是用于管理各个用户的属性的数据库，并且将用户ID与诸如年龄、居住地点、语言等属性关联在一起。应注意，用户属性数据库中的数据能够从各个用户设备12登记。
[0127]歌曲信息存储单元153是使用硬盘驱动器23或未示出的单独数据库来配置的，并且存储与内容推荐系统10中所分发的歌曲相关的信息。
[0128]例如，歌曲信息存储单元153存储彼此相关联的对应歌曲的歌曲ID和数据。应注意，在诸如同一歌曲记录在多个唱片上的情况下，针对同一歌曲，可存在多个歌曲数据。在这样的情况下，对歌曲数据的每次发生，分配不同的歌曲ID。
[0129]作为一个示例，歌曲信息存储单元153存储具有图12中示意性示出的数据结构的歌曲信息数据库。歌曲信息数据库是用于管理与要分发的歌曲相关的信息的数据库，并且将每个歌曲ID与同歌曲相关的信息(诸如，歌曲标题、艺术家名字、歌曲出现的唱片等)相关联。
[0130]另外，作为一个示例，歌曲信息存储单元153存储例如具有图13中示意性示出的数据结构的歌曲特征数据库。歌曲特征数据库是用于管理表现歌曲的特征的特征值的数据库。歌曲特征数据库将歌曲ID与对应于歌曲ID的歌曲的特征I至M的特征值相关联。作为特征I至M，作为示例，使用歌曲的节奏、指定频率的声音包括在歌曲中的程度、指定关键词包括在歌曲的描述文本中的频率等。应注意，每首歌曲的特征值可手动地分配或者可通过利用计算机执行的分析处理来得到。
[0131]应注意，具有将特征I至M的特征值作为分量并表现歌曲的特征的矢量被称为“特
征矢量”。
[0132]歌曲信息存储单元153还存储例如具有图14中示意性示出的数据结构的歌曲属性数据库。歌曲属性数据库是用于管理歌曲的属性的数据库。在歌曲属性数据库中，歌曲ID与表示对应于歌曲ID的歌曲是否具有各种属性的标志相关联。作为一个示例，歌曲属性是诸如“轻松”、“抒情”、“欢快”和“活跃”的歌曲气氛，并且例如通过利用计算机执行的分析处理来得到。
[0133]矢量存储单元154是使用硬盘驱动器23或未示出的单独数据库来配置，并且存储默认矢量、用户嗜好矢量、状况矢量等。
[0134]推荐单元124的示例配置
[0135]接下来，将描述歌曲分发服务器14的推荐单元124的功能配置。图15是推荐单元124的功能框图。
[0136]推荐单元124是在功能上由内部排名生成单元201、内部排名存储单元202、排名选择/组合单元203、第一列表存储单元204、第二列表存储单元205、标准矢量设置单元206和推荐歌曲列表生成单元207来配置的。
[0137]内部排名生成单元201基于总计信息存储单元151中的基于用户属性的歌曲评价数据库，定期地(例如，每周或每月)生成每种类型的用户属性的范围的歌曲的排名(下文中，称为“内部排名”)。内部排名生成单元201将所生成的内部排名存储在内部排名存储单元202中。
[0138]内部排名存储单元202是使用硬盘驱动器23或未示出的单独数据库来配置的。如图16所示，内部排名存储单元202与生成这样的排名的时间和用户属性的范围相关联地存储内部排名生成单元201生成的每种类型的排名。
[0139]作为一个示例，居住地点为日本且语言为日语的、十五岁或十五岁以下的用户喜欢的歌曲的排名是通过下述方式生成:按记录在图9中的基于用户属性的歌曲评价数据库中的“13岁或13岁以下/日本/日语”、“14岁/日本/日语”以及“15岁/日本/日语”这些栏中的正面评价频率y的总计值的降序来放置指定数量的歌曲(例如，100首)的歌曲ID。此时，作为一个示例，排名可以通过下述方式生成:按正面评价频率y的总计值与分发频率X的总计值之比(S卩，已提供正面评价的次数相对于歌曲被推荐的次数之比)的顺序来放置指定数量的歌曲的歌曲ID。
[0140]排名选择/组合单元203从用户信息存储单元152中的用户属性数据库读取与从用户设备12发送的歌曲列表请求中所包括的用户ID相关联的用户属性。排名选择/组合单元203还从内部排名存储单元202读取与所读取的用户属性相关联的内部排名。另外，排名选择/组合单元203经由发送/接收单元101和通信网络18从歌曲排名分发服务器15接收与这样的用户属性相对应的歌曲排名(下文中，称为“外部排名”)。然后，排名选择/组合单元203对所获取的两个排名中所包括的歌曲ID进行组合，以生成第一列表。排名选择/组合单元203将所生成的第一列表存储在第一列表存储单元204中。
[0141]第一列表存储单元204是使用硬盘驱动器23或未示出的单独数据库来配置的，并且存储第一列表。
[0142]第二列表存储单兀205从第一列表存储单兀204读取第一列表。然后，第二列表存储单元205基于歌曲列表请求中所包括的指定属性和歌曲信息存储单元153中的歌曲属性数据库而使包括在第一列表中的歌曲ID缩减，以生成第二列表。第二列表存储单元205将所生成的第二列表提供到推荐歌曲列表生成单元207。
[0143]标准矢量设置单元206设置用于推荐内容的标准矢量。更具体地，标准矢量设置单元206通过从存储在矢量存储单元154中的各种矢量中选择标准矢量或者通过对所存储的这样的矢量进行组合，来生成标准矢量。标准矢量设置单元206将所设置的标准矢量提供到推荐歌曲列表生成单元207。
[0144]推荐歌曲列表生成单元207使用歌曲信息存储单元153中的歌曲特征数据库、从第二列表存储单元205提供的第二列表、从矢量生成单元123的优先矢量生成单元134提供的优先矢量、以及从标准矢量设置单元206提供的标准矢量，来生成推荐歌曲列表。推荐歌曲列表生成单元207将所生成的推荐歌曲列表提供到发送/接收单元101。
[0145]内容推荐系统10的处理
[0146]接下来，将描述内容推荐系统10执行的处理。
[0147]用户评价总计处理
[0148]首先，将参照图17中的流程图描述歌曲分发服务器14执行的用户评价总计处理。
[0149]在步骤SI中，歌曲分发服务器14获取对歌曲的用户评价。
[0150]作为一个示例，在再现歌曲期间，用户能够使用用户设备12的操作装置36来输入对再现的歌曲的评价。当用户已输入评价时，用户设备12的操作单元61经由通信接口 39向歌曲分发服务器14发送:表示所输入的评价且包括再现的歌曲的歌曲ID的用户评价信息、用户ID、以及用户设备12的客户机类型ID和位置信息。
[0151]应注意，评价的输入不限于在再现歌曲期间，并且用户还可以选择没有再现的歌曲并且将对具有从用户设备12发送的对应用户评价信息的所选歌曲的评价输入到歌曲分发服务器14。
[0152]此外，作为一个示例，如果在再现歌曲期间对操作装置36执行了跳过操作，则操作单元61可通知歌曲再现单元62。与这样的通知一致地，歌曲再现单元62停止歌曲的再现，将下一歌曲ID发送到歌曲分发服务器14并且再现作为答复而接收到的歌曲数据。此时，操作单元61经由通信接口 39向歌曲分发服务器14发送:表示负面评价且包括跳过的歌曲的歌曲ID的用户评价信息、用户ID、以及用户设备12的客户机类型ID和位置信息。
[0153]此外，作为另一示例，在再现歌曲直到最后而不跳过时，歌曲再现单元62通知操作单元61。在这种情况下，操作单元61经由通信接口 39向歌曲分发服务器14发送:表示正面评价且包括已再现到最后的歌曲的歌曲ID的用户评价信息、用户ID、以及用户设备12的客户机类型ID和位置信息。
[0154]应注意，如果用户设备12不具有位置信息获取单元63的功能，则用户设备12的位置信息不包括在用户评价信息中。
[0155]歌曲分发服务器14的发送/接收单元101经由通信网络18接收如上所述从各个用户设备12发送的用户评价信息。
[0156]在步骤S2中，状况分析单元121基于用户设备12的位置信息分析用户的状况。更具体地，发送/接收单元101向状况分析单元121通知包括在用户评价信息中的用户设备12的位置信息，并且请求分析用户的状况。基于用户设备12的位置信息，状况分析单元121在图10中的基于状况的歌曲评价数据库中所设置的状况之中，指定给出了对歌曲的评价的用户的状况。状况分析单元121将表示用户的指定状况的信息提供到总计单元122。
[0157]应注意，如果位置信息不包括在用户评价信息中，则跳过步骤S2中的处理。
[0158]在步骤S3中，总计单元122基于所获取的用户评价信息和对用户的状况的分析结果，更新存储在总计信息存储单元151中的总计结果。更具体地，发送/接收单元101将用户评价信息提供到总计单元122，并且请求更新总计结果。
[0159]作为一个示例，如果用户评价信息表示正面评价，则总计单元122将用户评价信息中所表示的歌曲ID添加到图8中的用户评价数据库中的用户评价信息中所表示的用户ID的喜欢歌曲。同时，如果用户评价信息表示负面评价，则总计单元122将用户评价信息中所表示的歌曲ID添加到图8中的用户评价数据库中的用户评价信息中所表示的用户ID的不喜欢歌曲。
[0160]总计单元122还从用户信息存储单元152中的用户属性数据库读取与用户评价信息中所表示的用户ID相对应的用户的属性。另外，基于所读取的在用户评价信息中所表示的用户属性和客户机类型ID，总计单元122在图9中的基于用户属性的歌曲评价数据库中指定对歌曲给出了评价的用户所属的用户属性范围。然后，总计单元122在图9中的基于用户属性的歌曲评价数据库中更新所指定的用户属性范围的总计值。更具体地，如果在用户评价信息中表示正面评价，则总计单元122将总计值中的正面评价频率I加一，而如果表示负面评价，则总计单元122将总计值中的负面评价频率z加一。
[0161]另外，总计单元122在图10中的基于状况的歌曲评价数据库中更新对状况分析单元121指定的状况的总计值。更具体地，如果在用户评价信息中表示正面评价，则总计单元122将正面评价频率I加一，而如果表示负面评价，则总计单元122将总计值中的负面评价频率z加一。
[0162]此后，用户评价总计处理结束。
[0163]默认矢量生成处理
[0164]接下来，将参照图18中的流程图描述歌曲分发服务器14执行的默认矢量生成处理。
[0165]应注意，例如定期地或者在满足指定条件时开始该处理。应注意，表达“在满足指定条件时”包括例如诸如对歌曲的用户评价的数量从最后一次执行了默认矢量生成处理时开始已增加了指定数量或更多时的情况。
[0166]在步骤S21中，总计单元122针对每种客户机类型、年龄和每个居住地点来对用户对歌曲的评价进行总计。更具体地，总计单元122根据总计信息存储单元151中的基于用户属性的歌曲评价数据库，分别针对每种客户机类型、每个年龄和每个居住地点对每首歌曲的分发频率x、正面评价频率y和负面评价频率z进行总计。然后，总计单元122将总计结果提供到矢量生成单元123。
[0167]在步骤S22中，默认矢量生成单元131针对每种客户机类型、每个年龄和每个居住地点来提取流行歌曲。
[0168]更具体地，基于针对每种客户机类型对用户对歌曲的评价的总计结果，默认矢量生成单元131针对各客户机类型提取具有赞许评价的多首流行歌曲。
[0169]应注意，可以使用任意方法作为提取流程歌曲的方法。作为一个示例，对于给定的客户机类型，可以提取正面评价频率I等于或大于指定值的歌曲、或者具有最高正面评价频率y的指定数量的歌曲，作为针对这样的客户机类型的流行歌曲。替选地，对于给定的客户机类型，在正面评价频率I等于或大于指定值的歌曲之中，可提取正面评价频率I与分发频率X之比为指定值或大于指定值的歌曲、或者正面评价频率I与分发频率X之比最高的指定数量的歌曲，作为针对这样的客户机类型的流行歌曲。替选地，对于给定的客户机类型，在正面评价频率I等于或大于指定值的歌曲之中，可提取正面评价频率I与负面评价频率z之比为指定值或大于指定值的歌曲、或者正面评价频率y与负面评价频率Z之比最高的指定数量的歌曲，作为针对这样的客户机类型的流行歌曲。
[0170]通过执行相同的处理，默认矢量生成单元131还针对每个用户年龄和每个用户居住地点来提取多首流行歌曲。应注意，此时，可针对包括多个年龄的每个年龄段(例如，二十几岁)来提取流行歌曲和/或针对包括多个居住地点的区域(例如，北美)来提取流行歌曲。
[0171]在步骤S23中，默认矢量生成单元131基于所提取的流行歌曲生成默认矢量。
[0172]更具体地，针对每种客户机类型，默认矢量生成单元131基于所提取的流行歌曲的特征值来生成基于客户机类型的矢量。例如，默认矢量生成单元131从歌曲信息存储单元153中的歌曲特征数据库读取针对给定的客户机类型的流行歌曲的特征值。然后，默认矢量生成单元131计算所读取的流行歌曲的各特征值的平均值，并且生成把所算出的平均值作为分量的矢量，作为与这样的客户机类型相对应的基于客户机类型的矢量。应注意，此时,通过根据歌曲的流行度添加权重,可以生成把流行歌曲的特征值的每个特征的加权平均值作为分量的基于客户机类型的矢量。
[0173]因此，基于客户机类型的矢量针对正使用的用户设备12的每种客户机类型来表现由用户喜欢的歌曲的特征。
[0174]此外，通过执行相同的处理，默认矢量生成单元131针对用户的每个年龄来生成基于年龄的矢量。相应地，基于年龄的矢量针对用户的每个年龄来表现用户喜欢的歌曲的特征值。应注意，当这样做时，如果针对指定年龄段提取了流行歌曲，则针对每个年龄段来生成基于年龄的矢量。
[0175]另外，通过执行相同的处理，默认矢量生成单元131针对用户的每个居住地点来生成基于地点的矢量。相应地，基于地点的矢量针对用户的每个居住地点来表现用户喜欢的歌曲的特征。应注意，当这样做时，如果已针对指定区域提取了流行歌曲，则针对每个区域生成基于区域的矢量。
[0176]然后，默认矢量生成单元131将所生成的基于客户机类型的矢量、基于年龄的矢量以及基于地点的矢量存储在矢量存储单元154中。
[0177]此后，默认矢量生成处理结束。
[0178]状况矢量生成处理
[0179]接下来，将参照图19中的流程图描述歌曲分发服务器14执行的状况矢量生成处理。[0180]应注意,例如定期地或者在满足指定条件时开始该处理。应注意,表达“在满足指定条件时”包括诸如当对歌曲的用户评价的数量从例如最后一次执行状况矢量生成处理时开始已增加了指定数量或更多时的情况。
[0181]在步骤S41中，状况矢量生成单元133针对每种状况来提取流行歌曲。更具体地，通过执行与图18中的步骤S22相同的处理，状况矢量生成单元133基于总计信息存储单元151中的基于状况的歌曲评价数据库来针对各种状况提取具有赞许评价的多首流行歌曲。
[0182]在步骤S42中，状况矢量生成单元133基于所提取的流行歌曲生成状况矢量。更具体地，通过执行与在生成基于客户机类型的矢量时相同的处理，状况矢量生成单元133针对每种状况，基于所提取的流行歌曲的特征值来生成状况矢量。相应地，状况矢量针对每种用户状况来表现用户喜欢的歌曲的特征。
[0183]然后，状况矢量生成单元133将所生成的状况矢量存储在矢量存储单元154中。
[0184]此后，状况矢量生成处理结束。
[0185]歌曲推荐处理
[0186]接下来，将参照图20中的流程图描述内容推荐系统10执行的歌曲推荐处理。
[0187]应注意，在以下描述中，经由用户设备12向其分发歌曲的用户被称为“活动用户”。
[0188]在步骤SlOl中，用户设备12获取来自用户(活动用户)的请求。更具体地，当活动用户希望具有从歌曲分发服务器14分发的歌曲时，活动用户使用操作装置36来输入用于分发歌曲的请求。此时，活动用户指示用户希望已分发的歌曲的属性(例如，诸如“轻松”、“抒情”、“欢快”和“活跃”的歌曲气氛)。应注意，歌曲属性不一定由活动用户指定并且可通过用户设备12随机地选择。然后，操作单元61获取用于分发活动用户输入的歌曲的请求。
[0189]在步骤S102中，操作单元61请求发送推荐歌曲列表。更具体地，操作单元61生成与活动用户的请求相对应的歌曲列表请求，并且经由通信接口 39将歌曲列表请求发送到歌曲分发服务器14。歌曲列表请求包括活动用户的用户ID、指定属性、以及用户设备12的客户机ID和位置信息。
[0190]应注意，如果用户设备12不具有位置信息获取单元63的功能，则用户设备12的位置信息不包括在歌曲列表请求中。
[0191]在步骤S103中，歌曲分发服务器14的发送/接收单元101经由通信网络18从用户设备12接收歌曲列表请求。
[0192]在步骤S104中，歌曲分发服务器14执行标准矢量设置处理。
[0193]这里，将参照图21中的流程图详细描述标准矢量设置处理。
[0194]在步骤S131中，用户嗜好矢量生成单元132确定是否已累积用户(活动用户)的嗜好信息。更具体地，发送/接收单元101向用户嗜好矢量生成单元132通知包括在歌曲列表请求中的用户ID，并请求生成用户嗜好矢量。用户嗜好矢量生成单元132在总计信息存储单元151中的用户评价数据库中搜索与所通知的用户ID相关联的喜欢歌曲的歌曲ID。如果找到与所通知的用户ID相关联的喜欢歌曲的歌曲ID，则用户嗜好矢量生成单元132确定已累积活动用户的嗜好信息，并且处理进行到步骤S132。
[0195]在步骤S132中，用户嗜好矢量生成单元132生成用户嗜好矢量。更具体地，用户嗜好矢量生成单元132从歌曲信息存储单元153中的歌曲特征数据库读取通过步骤S131中的处理所找到的歌曲ID的特征值。然后，用户嗜好矢量生成单元132基于所读取的歌曲的特征值来生成用户嗜好矢量。作为一个示例，用户嗜好矢量生成单元132计算针对所读取的歌曲的特征值的每个特征的平均值，并且生成使所算出的平均值作为分量的矢量，作为用户嗜好矢量。然后，用户嗜好矢量生成单元132将所生成的用户嗜好矢量提供到标准矢量设置单兀206。
[0196]此后，处理进行到步骤S133。
[0197]同时，如果在步骤S131中，用户嗜好矢量生成单元131不能找到与所通知的用户ID相关联的喜欢歌曲，则确定尚未针对活动用户累积嗜好信息。然后，跳过步骤S132中的处理，并且处理进行到步骤S133。
[0198]S卩，在这种情况下，由于未累积活动用户的嗜好信息，所以没有生成用户嗜好矢量。作为示例，这可以想到是由于活动用户是第一次使用服务的第一次用户或者活动用户仅刚开始使用服务而引起的。
[0199]在步骤S133中，标准矢量设置单元206选择默认矢量。更具体地，发送/接收单元101向标准矢量设置单元206通知歌曲列表请求中所包括的用户ID和客户机类型ID，并且请求标准矢量设置单元206选择默认矢量。
[0200]标准矢量设置单元206从用户信息存储单元152中的用户属性数据库读取与所通知的用户ID相对应的活动用户的属性。标准矢量设置单元206从矢量存储单元154读取与活动用户的年龄相对应的基于年龄的矢量以及与活动用户的居住地点相对应的基于区域的矢量。标准矢量设置单元206还从矢量存储单元154读取与所通知的客户机类型ID相对应的基于客户机类型的矢量。
[0201]在步骤S134中，发送/接收单元101确定是否已接收到位置信息。如果用户设备12的位置信息包括在所接收到的歌曲列表请求中，则发送/接收单元101确定已接收到位置信息，并且处理进行到步骤S135。
[0202]在步骤S135中，以与图17中的步骤S2的处理相同的方式，分析活动用户的状况，并且指定活动用户的当前状况。
[0203]在步骤S136中，标准矢量设置单元206选择状况矢量。更具体地，状况分析单元121向标准矢量设置单元206通知活动用户的状况的分析结果，并且请求标准矢量设置单元206选择状况矢量。标准矢量设置单元206从矢量存储单元154读取与指定的活动用户的状况相对应的状况矢量。
[0204]此后，处理进行到步骤S137。
[0205]同时，如果在步骤S134中用户设备12的位置信息不包括在所接收到的歌曲列表请求中，则发送/接收单元101确定未接收到位置信息。然后，跳过步骤S135和S136中的处理，并且处理进行到步骤S137。
[0206]在步骤S137中，标准矢量设置单元206设置标准矢量。更具体地，标准矢量设置单元206从通过步骤S133中的处理所选择的默认矢量、通过步骤S132中的处理所生成的用户嗜好矢量以及通过步骤S136中的处理所选择的状况矢量这三种类型的矢量之中，选择作为一个或更多个标准矢量的候选的候选矢量。
[0207]应注意，根据上述步骤S131和S134中的确定结果，存在用户嗜好矢量和状况矢量不包括在可以被选择作为候选矢量的矢量中的情况。例如，如果活动用户是第一次用户，则用户嗜好矢量将不被包括在可以被选择作为候选矢量的矢量中。另外，如果活动用户是第一次用户，则可从可以选择的矢量中排除状况矢量，并且仅将默认矢量设置为可以被选择作为候选矢量的矢量。
[0208]此时，可选择单个候选矢量或者可选择多个候选矢量。另外，可随机地选择候选矢量，或者可根据指定的准则选择候选矢量。
[0209]应注意，如果根据指定的准则选择候选矢量，则期望设置选择准则以使得优先选择接近活动用户的嗜好的矢量。这里，表达“接近活动用户的嗜好的矢量”是指例如在用于推荐歌曲时具有推荐与活动用户的嗜好匹配的歌曲的更高可能性的矢量。
[0210]这样的选择准则可以例如通过服务提供商基于现场测试的结果等来设置和/或可以通过学习处理来自动生成。作为另一示例，由于用户嗜好矢量的精度将随着针对活动用户所累积的嗜好信息量增加而增加，因此可将选择准则设置成使得以更高优先选择用户嗜好矢量。另外，作为一个示例，可对用于推荐用户已提供评价的歌曲的矢量的类型进行总计，并且选择准则可被设置，使得矢量的优先等级被设置为这样的矢量用于推荐活动用户已提供正面评价的歌曲的频率或比率越高而越高，并且使得矢量的优先等级被设置为这样的矢量用于提取被提供了负面评价的歌曲的频率或比率越高而越低。
[0211]如果已选择了多个候选矢量，则可将所选的候选矢量各自设置为标准矢量，或者可通过对多个候选矢量进行组合来生成标准矢量。应注意，如果已选择三个或更多个候选矢量，则可对所选择的全部候选矢量进行组合，或者可对一些候选矢量进行组合。此外，如果已选择三个或更多个候选矢量，则通过根据不同组合对候选矢量进行组合，可生成多个标准矢量。
[0212]另外，如果对多个候选矢量进行组合，则可以以相等比率对矢量进行组合，或者以不同比率对矢量进行组合。如果以不同比率对矢量进行组合，则期望将用于对接近活动用户的嗜好的矢量进行组合的比率设置得更高。
[0213]以与上述选择准则相同的方式，组合比率可以例如通过服务提供商基于现场测试的结果等来设置，和/或可以通过学习处理来自动生成。作为另一示例，可将用于对用户嗜好矢量进行组合的比率设置为针对活动用户所累积的嗜好信息量越大而越高。
[0214]此外，如果已通过对多个候选矢量进行组合而生成标准矢量，则组合之前的候选矢量还可以被设置为标准矢量。作为一个示例，如果候选矢量A和候选矢量B已被组合以生成标准矢量C，则还可将候选矢量A和候选矢量B之一或二者设置为标准矢量。
[0215]通过执行上述处理，设置一个或更多个标准矢量。
[0216]此后，标准矢量设置处理结束。
[0217]然后，处理返回到图20，并且在步骤S105中，推荐单元124执行推荐歌曲列表生成处理。
[0218]这里，现在将参照图22中的流程图来详细描述步骤S105中的推荐歌曲列表生成处理。
[0219]在步骤S161中，排名选择组合单元203获取用户属性。更具体地，发送/接收单元101向排名选择组合单元203通知歌曲列表请求中所包括的用户ID，并请求组合排名。排名选择组合单元203从用户信息存储单元152中的用户属性数据库读取与所通知的用户ID相对应的用户属性。[0220]在步骤S162中，排名选择组合单元202获取与用户属性相对应的内部排名。SP，排名选择组合单元203从内部排名存储单元202读出与包括所读取的用户属性的用户属性的范围相对应的内部排名。应注意，当这样做时，还可以读出与邻近所读取的内部排名的用户属性的范围的范围相对应的内部排名。
[0221]在步骤S163中，排名选择组合单元203获取与用户属性相对应的外部排名。SP，排名选择组合单元203经由发送/接收单元101和通信网络18从歌曲排名分发服务器15接收与所读取的用户属性相对应的外部排名。例如，排名选择组合单元203接收活动用户的居住地点(国家)的最新排名，或者基于活动用户的年龄，针对活动用户为十五岁的情况来接收在这样的居住地点处发出的排名。
[0222]在步骤S164中，排名选择组合单元203对所获取的排名进行组合。更具体地，作为一个示例，排名选择组合单元203生成所获取的内部排名中所包括的歌曲ID和外部排名中所包括的歌曲ID被组合的列表(“第一列表”)，如图23示意性示出的那样。应注意，此时，不需要将各个排名中所包括的每个歌曲ID包括在第一列表中。排名选择组合单元203将所生成的第一列表存储在第一列表存储单兀204中。
[0223]在步骤S165中，第二列表生成单元205还基于歌曲的属性缩减对歌曲的选择。更具体地，发送/接收单元201向第二列表生成单元205通知歌曲列表请求中所包括的指定属性，并且请求生成推荐歌曲列表。第二列表生成单元205从第一列表存储单元204读取排名选择组合单元203生成的第一列表。此外，第二列表生成单元205从歌曲信息存储单元153中的歌曲属性数据库读取与第一列表中所包括的各个歌曲ID相关联的歌曲属性。另夕卜，第二列表生成单元205在第一列表中所包括的歌曲ID之中，提取具有指定属性的歌曲ID。然后，第二列表生成单元205生成包括所提取的歌曲ID的第二列表。第二列表生成单元205将所生成的第二列表提供到推荐歌曲列表生成单元207。
[0224]在步骤S166中，推荐歌曲列表生成单元207使用标准矢量来生成推荐歌曲列表。
[0225]应注意，在标准矢量设置单元206设置的标准矢量数量为一时以及在该数量为两个或更多个时，生成推荐歌曲列表的方法将极大地不同。出于此原因，首先将描述在所设置的标准矢量数量为一时生成推荐歌曲列表的方法。
[0226]例如，推荐歌曲列表生成单元207从歌曲信息存储单元153中的歌曲特征数据库读取与第二列表中所包括的歌曲ID相关联的特征值。推荐歌曲列表生成单元207计算包括每个歌曲ID的特征值的特征矢量与标准矢量之间的相似度,并且将第二列表中的歌曲ID排序成相似度的降序。通过这样做，与由标准矢量表现的特征类似的歌曲(即，歌曲的ID)被布置在第二列表的顶部。
[0227]作为一个示例，然后，推荐歌曲列表生成单元207生成包括在排序后的第二列表的顶部的指定数量的歌曲ID的列表，作为推荐歌曲列表。
[0228]接下来，将描述在标准矢量设置单元206设置的标准矢量的数量为两个或更多个时生成推荐歌曲列表的方法。
[0229]作为一个示例，推荐歌曲列表生成单元207从歌曲信息存储单元153中的歌曲特征数据库，读取与第二列表中所包括的歌曲ID相关联的特征值。此后，针对每个标准矢量，推荐歌曲列表生成单元207计算包括每个歌曲ID的特征值的特征矢量与标准矢量之间的相似度，并且将第二列表中的歌曲ID排序成相似度的降序。通过这样做，使用标准矢量来对第二列表中的歌曲(即，歌曲的ID)进行排序，以生成多个列表(下文中称为“第三列表”)。此外，与由各个标准矢量表现的特征类似的歌曲(即，歌曲的ID)被布置在第三列表的顶部。
[0230]然后，推荐歌曲列表生成单元207提取在各个第三列表的顶部的歌曲ID，并且生成包括所提取的歌曲ID的推荐歌曲列表。应注意，期望避免重复从各个第三列表提取的歌曲ID。
[0231]此时，从各第三列表提取的歌曲ID的数量可以被设置为相等数量，或者可针对各个第三列表而不同地设置。在后一种情况下，期望从使用接近活动用户的嗜好的标准矢量而生成的第三列表中提取较大数量的歌曲ID。
[0232]应注意，以与选择准则相同的方式，从各个第三列表提取的歌曲ID的数量可由服务提供商基于现场测试的结果等来设置和/或可以通过学习处理来自动生成。此外，从使用基于用户嗜好矢量的标准矢量而生成的第三列表提取的歌曲ID的数量被设置为:随着针对活动用户累积的嗜好信息量越大而越高。
[0233]然后，通过列出从各个第三列表提取的歌曲ID，来生成推荐歌曲列表。
[0234]此时，作为一个示例，期望将从各个第三列表提取的歌曲ID布置成适当地混合，以使得从同一第三列表提取的歌曲ID不会过分连续。作为一个示例，可想到将各个第三列表的歌曲ID排列，以使得来自不同第三列表的歌曲按从顶部开始的顺序每隔一首歌曲或每隔几首歌曲轮流出现。通过这样做，这等同于每隔一首歌曲或每隔几首歌曲轮流地使用多个不同类型的标准矢量来有效地推荐歌曲。
[0235]应注意，从其提取歌曲ID的第三列表的顺序可以是规则的或者可以是不规则的。作为一个示例，如果排列从第三列表A至C提取的歌曲ID，则利用前一种方法，规则地排列从其提取歌曲ID的第三列表，以使得作为一个示例，从第三列表A提取nl首歌曲的歌曲ID，从第三列表B提取n2首`歌曲的歌曲ID，从第三列表C提取n3首歌曲的歌曲ID，从第三列表A提取n4首歌曲的歌曲ID，从第三列表B提取n5首歌曲的歌曲ID，从第三列表C提取n6首歌曲的歌曲ID…。同时，利用后一种方法，不规则地排列从其提取歌曲ID的第三列表，以使得作为一个示例，从第三列表A提取nl首歌曲的歌曲ID，从第三列表B提取n2首歌曲的歌曲ID，从第三列表A提取n3首歌曲的歌曲ID，从第三列表C提取n4首歌曲的歌曲ID，从第三列表B提取n5首歌曲的歌曲ID，从第三列表A提取n6首歌曲的歌曲ID…。
[0236]应注意，nl至n6是一或更高的自然数。
[0237]此外，可将从同一第三列表提取的连续歌曲ID的数量设置为恒定值或者可进行改变。作为一个示例，如果依次排列第三列表A中的nal首歌曲的歌曲ID、第三列表B中的nbl首歌曲的歌曲ID、第三列表A中的na2首歌曲的歌曲ID以及第三列表B中的nb2首歌曲的歌曲ID,则可设置nal=na2以及nbl=nb2,或者反之,可设置nal ^ na2以及nbl古nb2。此外，可设置nal=nbl和na2=nb2,以及可设置nal古nbl或na2 ^ nb2。
[0238]应注意，nal至nb2是一或更高的自然数。
[0239]此外，根据需要，可调整推荐歌曲列表中的歌曲的排列，以使得同一艺术家的歌曲之间的间隔为指定数量或更高数量的歌曲。通过这样做，可以防止来自同一艺术家的歌曲连续地再现，这会使得列表单调。此外，如果如同互联网广播等那样存在说明需要在同一艺术家的歌曲之间播放指定数量或更多数量的歌曲的限制，则可以满足这样的限制。
[0240]此后，推荐歌曲列表生成处理结束。[0241]现在，描述返回到图20，并且在步骤S106中，推荐歌曲列表生成单元207经由发送/接收单元101将推荐歌曲列表发送到活动用户的用户设备12。
[0242]此时，发送/接收单元101向总计单元122通知推荐歌曲列表中所包括的歌曲ID、推荐歌曲列表的接收方(活动用户)的用户ID、以及活动用户的用户设备12的客户机类型ID。总计单元122从用户信息存储单元152中的用户属性数据库读取与这样的用户ID相关联的活动用户的属性。然后，总计单元122在总计信息存储单元151的基于用户属性的歌曲评价数据库中将活动用户的属性和客户机类型的这种组合所属的用户属性范围的总计值中的分发频率X加一。
[0243]如果在步骤S135中，状况分析单元121已分析活动用户的状况，则状况分析单元121向总计单元122通知分析结果，此后，在总计信息存储单元151的基于状况的歌曲评价数据库中，总计单元122将与活动用户的状况相对应的总计值中的分发频率X加一。
[0244]在步骤S107中，用户设备12的歌曲再现单元62经由通信网络18和通信接口 39接收推荐歌曲列表。
[0245]在步骤S108中，歌曲再现单元62请求发送歌曲数据。更具体地，歌曲再现单元62经由通信接口 39向歌曲分发服务器14发送推荐歌曲列表中仍要再现的歌曲的歌曲ID之中的、顺序上最高的歌曲ID。
[0246]在步骤S109中，歌曲分发服务器14作为答复而发送歌曲数据。更具体地，歌曲分发服务器14的分发单元125经由通信网络18和发送/接收单元101接收从用户设备12发送的歌曲ID。分发单兀125从歌曲信息存储单兀153获取与所接收到的歌曲ID相关联的歌曲数据，并且经由发送/接收单元101将歌曲数据发送到发出了请求的用户设备12。
[0247]在步骤SI 10中，用户设备12再现歌曲数据。更具体地，用户设备12的歌曲再现单元62经由通信网络18和通信接口 39接收从歌曲分发服务器14发送的歌曲数据。然后，歌曲再现单元62再现所接收到的歌曲数据。
[0248]在步骤Slll中，歌曲再现单元62确定是否已再现推荐歌曲列表中所包括的所有歌曲。如果确定尚未再现推荐歌曲列表中所包括的所有歌曲，则处理返回到步骤S108。
[0249]此后，重复地执行步骤S108至Slll的处理，直到在步骤Slll中确定已再现推荐歌曲列表中所包括的所有歌曲。通过这样做，与推荐歌曲列表中所包括的每个歌曲ID相对应的歌曲按该列表的歌曲顺序再现。
[0250]同时，如果在步骤Slll中确定已再现推荐歌曲列表中所包括的每首歌曲，则处理结束。
[0251]应注意，在已再现推荐歌曲列表中所包括的每首歌曲之后，还可以返回到步骤SlOl，并且再次从步骤SlOl起开始处理。
[0252]通过执行上述处理，可以推荐与用户的嗜好匹配的歌曲。
[0253]作为一个示例，与在提供包括对于所有用户平均流行的歌曲的推荐歌曲列表时相t匕，通过向第一次用户提供使用与这样的用户的属性相一致的三种类型的默认矢量中的至少一种而生成的推荐歌曲列表，可以推荐与用户的嗜好更好地匹配的歌曲。通过这样做，改善了用户在第一次使用期间的满意度，并且提高了用户继续使用该服务的可能性。出于相同原因，在累积了关于用户的嗜好信息之前，改善了新用户对服务的满意度。
[0254]此外，如上所述，通过将使用用户嗜好矢量的比率或者组合用户嗜好矢量的比率设置成随着针对用户累积的嗜好信息量越大而越高，和/或优先使用高频地或以高比率使用过的矢量来推荐用户已提供正面评价的歌曲，随着服务的使用次数或使用时间增加，可以实现推荐歌曲与用户的嗜好之间的更好匹配，从而改善用户的满意度。
[0255]另外，通过使用状况矢量生成并提供推荐歌曲列表，可以不仅根据用户的属性和/或嗜好而且根据用户所处的状况来推荐歌曲，从而改善用户的满意度。
[0256]此外，通过轮流使用多个标准矢量和/或使用通过对多个矢量进行组合而产生的标准矢量来生成推荐歌曲列表，可以防止推荐歌曲变得单调，从而推荐与用户的嗜好一致的许多歌曲，并且改善用户的满意度。
[0257]另外，由于基于随着时间波动的各个排名来生成推荐歌曲列表，可以防止向用户连续推荐相同歌曲，而是向用户推荐许多歌曲。
[0258]2.变型例
[0259]现在将描述对本公开内容的实施例的变型。
[0260]变型例1:用户评价的即时反映
[0261 ] 例如，如果用户已提供对再现的歌曲的评价，则可将这样的评价实时反映在推荐歌曲列表中。
[0262]这里，将参照图24描述在将用户评价实时反映在推荐歌曲列表中的情况下的歌曲分发服务器14的处理。
[0263]在步骤S201中，以与图17的步骤SI中的处理相同的方式，歌曲分发服务器14获取用户(活动用户)对歌曲的评价(用户评价信息)。
[0264]在步骤S202中，发送/接收单元101基于所接收到的用户评价信息，确定该评价是否是正面评价。当已确定正面评价时，处理进行到步骤S203。
[0265]应注意，此时，作为一个示例，可仅对活动用户明确提供的正面评价执行确定，其中从确定中排除默许提供且不取决于用户的明确输入的正面评价，诸如再现歌曲直到最后。即，仅在已提供明确的正面评价的前一种情况下，处理进行到步骤S203。
[0266]在步骤S203中，优先矢量生成单元134基于已提供正面评价的歌曲生成优先矢量。
[0267]更具体地，发送/接收单元101向优先矢量生成单元134通知包括在用户评价信息中的歌曲ID，并请求生成优先矢量。作为一个示例，优先矢量生成单元134从歌曲信息存储单元153中的歌曲评价数据库读取所通知的歌曲ID的特征值，S卩，由活动用户提供了正面评价的歌曲的特征值。然后，优先矢量生成单元134生成将所读取的特征值作为分量的矢量，作为优先矢量。即，在这种情况下，生成由活动用户提供了正面评价的歌曲的特征矢量，作为优先矢量。
[0268]作为替选示例，优先矢量生成单元134从歌曲信息存储单元153中的歌曲特征数据库，读取由活动用户提供了正面评价的歌曲的艺术家的多首歌曲(例如，这个艺术家的代表歌曲)的特征值。此时，特征值已被读取的歌曲可包括由活动用户提供了正面评价的歌曲。此后，优先矢量生成单元134可计算所读取的歌曲的特征值中的各特征值的平均值，并且生成将所算出的平均值作为分量的矢量，作为优先矢量。即，在这种情况下，生成表现由活动用户提供了正面评价的艺术家的歌曲的特征的矢量，作为优先矢量。
[0269]在步骤S204中，推荐歌曲列表生成单元207更新推荐歌曲列表。更具体地，优先矢量生成单元134将所生成的优先矢量提供到推荐歌曲列表生成单元207，并且请求推荐歌曲列表生成单元207更新推荐歌曲列表。
[0270]作为一个示例，推荐歌曲列表生成单元207从歌曲信息存储单元153中的歌曲特征数据库，读取与通过上述步骤S165中的处理而生成的第二列表中所包括的歌曲ID相关联的特征值。此后，推荐歌曲列表生成单元207计算包括歌曲ID的特征值的特征矢量与优先矢量之间的相似度，并且按相似度的降序对第二列表中的歌曲ID进行排序。通过这样做，生成了其中与由优先矢量表现的特征类似的歌曲(的歌曲ID)被布置在顶部的列表(下文中称为“优先级列表”)。
[0271]此外，推荐歌曲列表生成单元207从已发送到活动用户的用户设备12的更新后的推荐歌曲列表中，删除已发送到用户设备12的歌曲数据的歌曲ID。通过这样做，生成包括仍要发送的歌曲ID的推荐歌曲列表(下文中，称为“未发送的推荐歌曲列表)。
[0272]然后，推荐歌曲列表生成单元207提取在优先级列表的顶部的歌曲ID，并通过将这样的歌曲ID添加到未发送的推荐歌曲列表来更新推荐歌曲列表。此时，作为示例，可将从优先级列表提取的歌曲ID添加到未发送的推荐歌曲列表的开头，或者可适当地混合从优先级列表提取的歌曲ID和未发送的推荐歌曲列表中的歌曲ID。
[0273]应注意，在后一种情况下，期望将用于放置从优先级列表提取的歌曲ID的比率设置得越高，在更新后的推荐歌曲列表中的位置就越接近开头，并且对于这样的比率，针对更新后的推荐歌曲列表中的稍后位置逐渐下降。通过这样做，可以从活动用户给予了正面评价时开始随着时间经过，有效地降低使用优先矢量的比率。结果，通过紧接在活动用户给予了正面评价之后优先使用优先矢量，优先推荐特征与被提供了正面评价的歌曲相似的歌曲，其中这样的优先级随着时间过去而逐渐下降。
[0274]还期望从优先级列表提取歌曲ID，以使得先前发送的歌曲的歌曲ID和未发送的推荐歌曲列表的歌曲ID不重复。
[0275]另外，可根据需要调整更新后的推荐歌曲列表中的歌曲的顺序，以使得同一艺术家的歌曲之间的间隔为指定数量或更高数量的歌曲。
[0276]在步骤S205中，以与图20中的步骤S106的处理相同的方式，将推荐歌曲列表发送到活动用户的用户设备12。应注意，此时，仅针对已从优先级列表提取的且新添加到推荐歌曲列表的歌曲，来更新总计信息存储单元151中的基于用户属性的歌曲评价数据库和基于状况的歌曲评价数据库的总值。
[0277]此后，用户评价反映处理结束。
[0278]同时，如果在步骤S202中确定评价不是正面评价，则跳过步骤S203至S205中的处理，并且用户评价反映处理结束。
[0279]通过这样做，可以将对歌曲的用户评价快速地反映在推荐歌曲列表中，并且优先推荐特征与用户提供了正面评价的歌曲相似的歌曲。通过这样做，可以快速地响应于用户喜好并且改善用户的满意度。
[0280]应注意，作为一个示例，如果活动用户已给予负面评价，则可从推荐歌曲列表中删除特征与用户已提供了负面评价的歌曲相似的歌曲。
[0281]变型例2:对矢量类型的变型
[0282]之前提供的矢量类型仅仅是示例，并且还可以使用其他类型的矢量作为标准矢量或者使用其他类型的矢量来生成标准矢量。
[0283]作为一个示例，可生成并使用基于著名艺术家喜欢的歌曲的矢量(下文中称为“艺术家矢量”)。通过这样做，各个用户能够使用这样的用户喜欢的艺术家的矢量来接收对这样的艺术家喜欢的歌曲的推荐。
[0284]还可以基于嗜好信息将用户聚类成多个聚类，并且生成并使用针对每个聚类的矢量(下文中，称为“聚类矢量”)。作为一个示例，以与针对之前所述的默认矢量相同的方式，可以按聚类提取用户的流行歌曲，并且基于所提取的流行歌曲的特征值来生成聚类矢量。
[0285]应注意，作为对用户进行聚类的方法，可以使用在日本特开专利公布第2011-257917号中所公开的方法或另一种任意方法。
[0286]变型例3:对设置标准矢量的方法的变型
[0287]尽管在以上描述中描述了歌曲分发服务器14自动设置标准矢量的示例，但是作为另一示例，用户可以选择要用作标准矢量的矢量。作为另一示例，如果使用多个标准矢量生成推荐歌曲列表，则用户可以设置各个矢量将被使用的比率。另外，如果通过对多个矢量进行组合来生成推荐歌曲列表，则用户可以设置对各个矢量进行组合的比率。
[0288]变型例4:对提取推荐歌曲的方法的变型
[0289]尽管在上述示例中描述了基于歌曲的排名提取推荐歌曲的示例，但是还可以根据其他方法提取歌曲。
[0290]例如，可随机提取歌曲，或者可提取特征矢量与标准矢量相似的歌曲。在后一种情况下，作为一个示例，可以生成包括非常相似的歌曲的推荐歌曲列表并且将这样的列表提供到用户。
[0291]此外，本公开内容还可以应用于仅提取特征矢量与标准矢量相似的歌曲而不生成推荐歌曲列表，并且向用户推荐这些歌曲。
[0292]另外，作为另一示例，通过使用标准矢量的逆矢量，可以将特征矢量与逆矢量类似的歌曲布置在推荐歌曲列表的底部，或者从推荐歌曲列表中去除这些歌曲。
[0293]变型例5:在生成基于区域的矢量时对区域的准则的变型
[0294]可将各种准则设置为在生成基于区域的矢量时对区域的准则，作为示例，国家、包括多个国家的区域(诸如，北美和EU (欧盟))、或者国家内的区域(诸如，州或县)。
[0295]变型例6:对处理的分割的变型
[0296]例如，作为一个示例，每个用户设备12可从歌曲分发服务器14获取每首歌曲的特征矢量，并且生成用户设备12处的用户嗜好矢量。作为一个示例，然后，用户设备12可将用户嗜好矢量包括在歌曲列表请求中，并且将这样的歌曲列表请求发送到歌曲分发服务器14。
[0297]作为一个示例，还可以将其他设备生成的指定特征矢量提供到歌曲分发服务器14，而无需在歌曲分发服务器14处生成每个矢量。
[0298]另外，可在歌曲分发服务器14中设置用于分析歌曲的特征值的机构。
[0299]变型例7:对内容的变型
[0300]此外，本公开内容可应用于推荐各种类型的内容(诸如像电影或电视节目的视频、诸如照片或图画的静止图像、电子书、游戏或文档文件)的情况。
[0301 ] 此外，可根据内容的类型适当地改变使用中的内容的特征值。[0302]上述系列的处理可以通过硬件来执行，但也可以通过软件来执行。当该系列处理通过软件来执行时，构成这样的软件的程序被安装到计算机中。这里，表达“计算机”包括并入有专用硬件的计算机、或者能够在安装各种程序时执行各种功能的通用个人计算机等。
[0303]应该注意，由计算机执行的程序可以是根据在说明书中所述的序列按时序处理的程序、或者并行地或在必要的时候(诸如，在调用时)处理的程序。
[0304]另外，在本公开内容中，系统具有多个构成元件(诸如，设备或模块(部分))的集合的意思，并且不考虑所有构成元件是否在相同壳体中。因此，该系统可以是储存在单独的壳体中并通过网络连接的多个设备、或者是单个壳体内的多个模块。
[0305]本领域的技术人员应该理解，可根据设计要求和其他因素进行各种改进、组合、子组合和变更，只要它们在所附权利要求或其等同物的范围内。
[0306]例如，本公开内容可以采用云计算配置，其通过用多个设备经由网络分配并连接一个功能来进行处理。
[0307]另外，通过上述流程图描述的每个步骤可以由一个设备或者通过分配多个设备来执行。
[0308]另外，在多个处理被包括在一个步骤中的情况下，包括在这一个步骤中的多个处理可以由一个设备或者通过分配多个设备来执行。
[0309]另外，本技术还可如下进行配置。
[0310]( I) 一种信息处理设备，包括:
[0311]总计单元，收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对用户提供的对内容的评价进行总计；
[0312]矢量生成单元，至少生成表现所述用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及
[0313]推荐单元，通过使用所述矢量生成单元生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。
[0314](2)根据(I)所述的信息处理设备，
[0315]其中，所述总计单元还收集表示用户所属的区域的信息，并且基于区域对所述用户给出的对内容的评价进行总计，
[0316]其中，所述矢量生成单元还生成基于区域表现用户喜欢的内容的特征的基于区域的矢量，并且
[0317]其中，所述推荐单元通过进一步使用与所述第一次用户所属的区域相对应的基于区域的矢量来向所述第一次用户推荐内容。
[0318](3)根据(I)或(2)所述的信息处理设备，
[0319]其中，所述总计单元还收集表示用户的年龄的信息，并且基于年龄或基于年龄段来对用户对内容的评价进行总计，
[0320]其中，所述矢量生成单元还生成基于年龄或基于年龄段表现用户喜欢的内容的特征的基于年龄的矢量，并且
[0321]其中，所述推荐单元通过进一步使用与所述第一次用户的年龄相对应的基于年龄的矢量来向所述第一次用户推荐内容。
[0322](4)根据(I)至(3)中任一项所述的信息处理设备，
[0323]其中，所述推荐单元通过交替地使用所述矢量生成单元生成的多种类型的矢量来推荐内容。
[0324](5)根据(4)所述的信息处理设备，
[0325]其中，所述矢量生成单元能够操作成在用户提供对内容的正面评价时，生成表现内容的特征或内容的艺术家的特征的优先矢量，并且
[0326]其中，所述推荐单元通过优先使用所述优先矢量来向所述用户推荐内容。
[0327](6)根据(5)所述的信息处理设备，
[0328]其中，所述推荐单元自从所述用户提供了对所述内容的正面评价以后随着时间过去而减小所述优先矢量被使用的比率。
[0329](7)根据(4)至(6)中任一项所述的信息处理设备，
[0330]其中，随着用户累积的嗜好信息量越大，所述推荐单元增大使用所述用户的所述用户嗜好矢量的比率。
[0331](8)根据(4)至(7)中任一项所述的信息处理设备，
[0332]其中，所述推荐单元通过优先使用已高频地或以高比率被使用的用于推荐用户已提供正面评价的内容的矢量，来向所述用户推荐内容。
[0333](9)根据(I)至(8)中任一项所述的信息处理设备，
[0334]其中，所述推荐单元借助于使用通过对所述矢量生成单元生成的多种类型的矢量进行组合而产生的矢量来推荐内容。
[0335]( 10)根据(9)所述的信息处理设备，
[0336]其中，随着用户累积的嗜好信息量越大，所述推荐单元增大所述用户的所述用户嗜好矢量被组合的比率。
[0337](11)根据(I)至(10)中任一项信息处理设备，还包括:
[0338]状况分析单元，基于从客户机发送的位置信息来分析使用所述客户机的用户的状况，
[0339]其中，所述总计单元对用户在该状况下对内容的评价进行总计，并且
[0340]其中，所述矢量生成单元还生成基于状况表现所述用户喜欢的内容的特征的状况矢量。
[0341](12)—种提供推荐内容的服务的信息处理方法，其由信息处理设备来执行，所述方法包括:
[0342]收集表示使用所述服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对所述用户提供的对内容的评价进行总计；
[0343]至少生成表现所述用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及
[0344]通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。[0345]( 13) 一种程序，用于使得计算机执行:
[0346]收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对所述用户的对内容的评价进行总计；
[0347]至少生成表现所述用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及
[0348]通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。
[0349]本公开内容包含与在2012年6月12日向日本专利局提交的日本优先权专利申请JP 2012-132877中所公开的主题相关的主题，其全部内容通过引用结合于此。
【权利要求】
1.一种信息处理设备,包括: 总计单元，收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对用户提供的对内容的评价进行总计； 矢量生成单元，至少生成表现所述用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及 推荐单元，通过使用所述矢量生成单元生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。
2.根据权利要求1所述的信息处理设备， 其中，所述总计单元还收集表示用户所属的区域的信息，并且基于区域对所述用户给出的对内容的评价进行总计， 其中，所述矢量生成单元还生成基于区域表现用户喜欢的内容的特征的基于区域的矢量，并且 其中，所述推荐单元通过进一步使用与所述第一次用户所属的区域相对应的基于区域的矢量来向所述第一次用户推荐内容。
3.根据权利要求1所述的信息处理设备， 其中，所述总计单元还收集表示用户的年龄的信息，并且基于年龄或基于年龄段来对用户对内容的评价进行总计， 其中，所述矢量生成单元还生成基于年龄或基于年龄段表现用户喜欢的内容的特征的基于年龄的矢量，并且 其中，所述推荐单元通过进一步使用与所述第一次用户的年龄相对应的基于年龄的矢量来向所述第一次用户推荐内容。
4.根据权利要求1所述的信息处理设备， 其中，所述推荐单元通过交替地使用所述矢量生成单元生成的多种类型的矢量来推荐内容。
5.根据权利要求4所述的信息处理设备， 其中，所述矢量生成单元能够操作成在用户提供对内容的正面评价时，生成表现内容的特征或内容的艺术家的特征的优先矢量，并且 其中，所述推荐单元通过优先使用所述优先矢量来向所述用户推荐内容。
6.根据权利要求5所述的信息处理设备， 其中，所述推荐单元自从所述用户提供了对所述内容的正面评价以后随着时间过去而减小所述优先矢量被使用的比率。
7.根据权利要求4所述的信息处理设备， 其中，随着用户累积的嗜好信息量越大，所述推荐单元增大使用所述用户的所述用户嗜好矢量的比率。
8.根据权利要求4所述的信息处理设备， 其中，所述推荐单元通过优先使用已高频地或以高比率被使用的用于推荐用户已提供正面评价的内容的矢量，来向所述用户推荐内容。
9.根据权利要求1所述的信息处理设备， 其中，所述推荐单元借助于使用通过对所述矢量生成单元生成的多种类型的矢量进行组合而产生的矢量来推荐内容。
10.根据权利要求9所述的信息处理设备， 其中，随着用户累积的嗜好信息量越大，所述推荐单元增大所述用户的所述用户嗜好矢量被组合的比率。
11.根据权利要求1所述的信息处理设备，还包括: 状况分析单元，基于从客户机发送的位置信息来分析使用所述客户机的用户的状况， 其中，所述总计单元对用户在该状况下对内容的评价进行总计，并且 其中，所述矢量生成单元还生成基于状况表现所述用户喜欢的内容的特征的状况矢量。
12.一种提供推荐内容的服务的信息处理方法，其由信息处理设备来执行，所述方法包括: 收集表示使用所述服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对所述用户提供的对内容的评价进行总计； 至少生成表现所述用户喜欢的 内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及 通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。
13.一种程序，用于使得计算机执行: 收集表示使用推荐内容的服务的用户所使用的客户机的客户机类型的信息以及表示所述用户提供的对内容的评价的嗜好信息，并且根据所述客户机类型对所述用户的对内容的评价进行总计； 至少生成表现所述用户喜欢的内容的特征的用户嗜好矢量以及基于客户机类型表现所述用户喜欢的内容的特征的基于客户机类型的矢量；以及 通过使用所生成的矢量中的至少一个和表现内容的特征的特征矢量来推荐内容，并且通过使用与第一次使用所述服务的第一次用户所使用的客户机的客户机类型相对应的基于客户机类型的矢量而向所述第一次用户推荐内容。
【文档编号】G06F17/30GK103488667SQ201310220427
【公开日】2014年1月1日 申请日期:2013年6月5日 优先权日:2012年6月12日
【发明者】齐藤胜 申请人:索尼公司